Idiomas y modelos

Sobre todo en inglés: Parakeet-TDT v3. Encabeza el ranking abierto de ASR en velocidad y supera a Whisper large-v3 en precisión con el inglés.

Otro idioma, o una mezcla: si Parakeet lo cubre, Parakeet también es más rápido ahí. Si no, usa Whisper. Es más lento para un mismo tamaño, pero sigue transcribiendo a medida que la gente habla; lo que pierdes es margen, no la transcripción en directo.

El modelo es un ajuste que puedes cambiar cuando quieras en Ajustes → Transcripción o en la barra lateral izquierda. Los idiomas que escucha aparecen en la ficha del modelo: uno, varios o detección automática.

Hay quien publica modelos de Whisper ajustados a un dialecto o a un ámbito concreto, como el alemán suizo, que el Whisper estándar suele entender como neerlandés. Earkeep también puede ejecutarlos.

• Pega un enlace de Hugging Face en Ajustes → Transcripción → Añadir un modelo…. Earkeep te muestra qué versiones existen y cuánto pesa cada una antes de descargar nada.
• Los checkpoints de Transformers se convierten en tu dispositivo al formato de whisper.cpp. Los archivos .bin de PyTorch y los adaptadores LoRA no se pueden convertir.
• O elige un archivo .bin de whisper.cpp que ya tengas.
• La licencia se muestra antes de descargar; si encaja con tu uso es cosa tuya y de su autor.

Un modelo añadido funciona igual que los integrados. Solo se pueden añadir modelos de Whisper, no de Parakeet.

La inferencia se ejecuta en tu dispositivo, así que el audio no viaja a ninguna parte para transcribirse y la transcripción funciona sin red. Cada modelo se descarga una vez y después funciona sin conexión. Consulta privado por diseño para ver el mecanismo completo.

• Privado por diseño: por qué el audio nunca sale de tu ordenador ni toca el disco, con ninguno de los dos modelos.
• Captura siempre activa: por qué importa un modelo rápido cuando la transcripción funciona todo el día.